Deep Agentic Core MCP

deep-agentic-core-mcp

deep-agentic-core-mcp 是 DeepAgentLabs 生态系统的共享 MCP 服务层。它旨在提供统一的 MCP 接口，整合以下能力：

• agenticlens 风格的工作流检查、性能分析和分析
• agentic-chaos 风格的弹性测试和故障注入工作流
• agentic-sidecar 风格的监督就绪度和模块表面发现
• 经过身份验证的本地 Control Tower 0.7.0 调查和只读集群状态访问

它位于 AI Operations Workflow Specification 之上，基于参考实现使用的共享运营模型，提供统一的 MCP 原生控制界面。

目标是使用一个 MCP 服务、一个软件包和一个注册表身份，而不是为每个产品界面分别设置 MCP 服务。

连接和使用

请先阅读用户和开发者指南，了解托管服务注册、MCP 客户端连接、工作流分析、评估报告以及本地 chaos/Sidecar 功能。运行Python 工作流示例，将导出的工作流发送到托管服务。指南介绍了当前的集成可用情况，并区分了已实现的工具和未来的运行时工作。

理念

该项目是大模型主机与现有 Python 库之间的控制平面：

• agenticlens 仍是核心性能分析和分析引擎
• agentic-chaos 仍是核心 chaos 和弹性引擎
• agentic-sidecar 仍是核心决策监督和治理引擎
• agenticops-control-tower 0.7.0 提供面向运营人员的控制平面
• AI Operations Workflow Specification 仍是共享数据契约
• deep-agentic-core-mcp 成为主机可调用的 MCP 原生接口

这意味着 MCP 客户端只需连接一次，即可通过一个服务访问可观测性、chaos、Sidecar 发现功能，以及后续与 Control Tower 对齐的运营界面。

此服务最终应实现的功能

计划中的能力领域：

• 对 Agent 工作流进行性能分析，并返回结构化遥测摘要
• 分析工作流工件并提供优化建议
• 针对目标工作流运行受控的 chaos 实验
• 展示已安装的 Sidecar 决策/运行时能力和模块清单；软件包就绪状态与实时任务连接状态不同
• 等待该同级软件包提供相关功能后，最终展示 Control Tower 清单和面向运营人员的控制界面
• 比较常规运行与 chaos 运行
• 提供共享资源，例如工作流架构、运行元数据和已保存的报告

设计原则

• 一个 MCP 身份：向 MCP Registry 发布单个服务
• Python 优先：通过 PyPI 打包和发布
• 轻量编排层：复用 agenticlens、agentic-chaos 和 agentic-sidecar，而不是重新实现它们的逻辑
• 本地优先：作为开发者工作流的 stdio MCP 服务运行良好 — 这很重要，因为 chaos.run_experiment 会执行真实代码（见 SECURITY.md），因此此服务面向可信的 本地/stdio 使用场景；经过身份验证的 HTTP 部署会禁用代码执行
• 双传输方式，一个工具界面：可选的 Streamable HTTP 传输 （见下文）会复用 stdio 工具/资源/提示词，但不包括远程脚本执行

Agentic Chaos v0.5 兼容性（MCP 0.3.2）

在服务端安装 agentic-chaos>=0.5.0，即可通过 chaos.list_faults 发现流式传输、身份验证和上下文长度故障。现有的本地 stdio chaos.run_experiment 工具会使用 faults=["stream_cut"] 运行 examples/chaos_stream_target.py，并返回原生降级事件。真实的同级集成测试覆盖了目录和实验流程。Chaos 仍为可选项；不会引入硬性同级依赖。托管 HTTP 会拒绝执行 Chaos。

此示例是仓库文件，并非通过 wheel 安装的资源。将 v0.3.2 源代码克隆到 mcp-server 目录，并在启动服务端前将 DEEP_AGENTIC_CORE_MCP_WORKSPACE_ROOT 设置为其父目录。用户指南提供了精确的设置命令。CI 会检查固定的 Chaos v0.5.0 标签和最新的同级代码检出。

请参阅用户指南和 Chaos v0.5 API 指南。

第 3 阶段完成（MCP 0.3.3）

• **发现溯源（3a）：**每条 lens.analyze_workflow 建议都包含一个 provenance 块，其中列出产物（workflow_id、规范 sha256 摘要）、工作流步骤（id、name、type、index）、证据跨度 ID 和生成方。只有当这些信息都存在于你发送的产物中时，resolved 才为 true；provenance_summary 会统计满足条件的数量。模型替换和 Chaos 影响发现需要 agenticlens>=0.6.1。
• 将 Chaos 结果作为 AIOS 运行（3b）：chaos.run_experiment 会附加 aios_run，这是由 agentic-chaos>=0.5.1 自带的导出器构建、并经规范适配器（aios_export.aligned）检查的 AI Operations v0.4-draft Run。chaos.export_aios_run 可转换已保存的报告或会话报告，而无需运行任何代码。
• 脚本策略（3b）：DEEP_AGENTIC_CORE_MCP_ALLOWED_SCRIPT_GLOBS 和 DEEP_AGENTIC_CORE_MCP_DENIED_SCRIPT_GLOBS 会缩小 chaos.run_experiment 可运行的工作区脚本范围。拒绝规则优先，且始终拒绝 .venv、site-packages 和 .git。
• 版本路由和一致性（3c）：spec.validate_artifact 会根据产物的 spec_version 指定的架构集进行验证，并拒绝其没有架构的标记，同时引用适用的 v0.5 规则（AIOS-0.5-V01…V06）。其 conformance 部分会列出每条 AIOS-0.4-* 规则及其状态，与服务端呈现结果分开。规则和兼容性目录需要 ai-operations-spec>=0.5.1。

从工作区代码检出中运行 examples/phase3_walkthrough.py，即可端到端查看全部四项功能。

自 0.3.4 起，托管服务 https://mcp.deepagentlabs.io/mcp 使用相同的同级版本和规范目录，因此溯源、一致性报告以及 chaos.export_aios_run 在托管环境中的行为与本地相同。只有 chaos.run_experiment 仍仅限本地使用。

AgenticLens 0.7.0 诊断工具（MCP 0.3.5）

• lens.diagnose_run — 发送跟踪 Run（以及可选的 baseline 运行），获取 AgenticLens 的诊断报告：包含置信度和支撑跨度的故障分类诊断、按排名排列的故障步骤和 Agent 候选项、事件时间线、相对于基线的稳健异常、护栏状态（budget 限制跨度数、深度和时间），以及 Markdown 格式的调查叙述（include_narrative，默认值为 true）。
• lens.score_analysis — 发送评估报告，分别获取确定性评分和基于模型的评分；评审成本与 Agent 成本分开统计，并指出评估器意见不一致的情况。

两者都需要 agenticlens>=0.7.0；如果安装的是较旧版本，则会返回清晰的“不可用”错误，而其他 Lens 工具仍可正常工作。托管镜像固定使用 agenticlens==0.10.0 和 agentic-chaos==0.8.0（自 MCP 0.3.13 起）。

AgenticLens 0.8.0 套件工具（MCP 0.3.9）

• lens.suite_from_traces — 发送跟踪 Run，以及套件的 name 和 version，即可获取一份草拟的 agentic-evals 套件：每次成功运行都会成为一个用例，预期其工具调用轨迹以及延迟／成本在一定范围内，并标记为 needs_review，同时屏蔽 PII（mask、strategy）。失败的运行会附带原因列入 skipped。
• lens.suite_check — 发送套件，即可获取其摘要（拆分、领域、 标签、来源、审核状态）、完全／近似／冲突重复项，以及 AgenticLens 会执行的审批检查（审核、仅显示类型和位置的未屏蔽 PII、冲突重复项），并附带 approvable。

这两项工具均为只读，不会存储任何内容；将套件批准并写入不可变套件存储仍需在本地执行 agenticlens suite approve。两者均要求 agenticlens>=0.8.0；较旧的安装版本会返回「不可用」错误，但其他 Lens 工具仍可正常使用。

AgenticLens 0.9.0 ModelFit 工具（MCP 0.3.11）

• lens.modelfit_recommend — 发送一份或多份实验报告 （agenticlens experiment run --save）、可选的 ModelFit config （类别、约束、权重、候选目录、参考变体），以及可选的 variant_metadata（每个变体的提供方、部署方式、能力），即可获取每个任务类别的推荐：状态、模型、 置信度、回退选项、相对于参考变体的逐用例节省，以及高严重性风险；同时还会返回完整的 ModelFit 报告和任务级模型 矩阵。

约束采用失败即拒绝策略，因此，如果某类别没有候选模型能够确定满足其限制，该类别会以 no_feasible_model 返回到 unfit_category_ids 中。每个来源的 sha256 都是报告规范 JSON 的摘要。该工具不会调用模型，也不会存储任何内容。它要求 agenticlens>=0.9.0；较旧的安装版本会返回「不可用」错误，但其他 Lens 工具仍可正常使用。

统一工作流（MCP 0.4.0）

0.4.0 完成了第四阶段（统一工作流）：core.compare_runs、core.release_check、core.incident_summary 和 core.export_report，以及 resource://workflows/release-check 资源和一个 core.release_check 提示词。MCP 本身不做任何判断：比较结果来自 AgenticLens， 评估报告会经过 Agentic Evals 发布门禁（每个 GateConfig 阈值均会检查，默认严格，拒绝未知键），而混沌测试证据必须是 chaos.run_experiment 报告。

发布检查采用失败即拒绝策略。每项门禁的状态为 passed、failed、invalid 或 missing；只有全部通过时，ready 才为 true。默认情况下，比较、评估和混沌测试证据均为必需项 （required_evidence 可缩小此范围）。托管 HTTP 支持全部四项工具；请传入本地生成的 chaos_report，因为托管混沌测试执行仍处于禁用状态。 导出的报告仅在 MCP 本地生成，不是 AIOS 工件。没有更改同级版本或依赖下限。请参阅统一工作流指南 和examples/unified_release_check.py。

MCP 工具集（当前版本：0.4.1）

• core.health — 提供丰富的诊断信息：适配器可用性/版本、已加载的工具/资源/提示词数量、工作区根目录、近期成功调用
• core.version — 服务包版本
• core.verify — 检查 agenticlens/agentic-chaos/agentic-sidecar/ai-operations-spec 的连通性并报告就绪状态
• core.session_state — 检查当前会话已累积的内容
• core.compare_runs — 为发布检查存储的 Lens 基线/候选版本比较结果（行为与 lens.compare_runs 相同）
• core.release_check — 根据 Lens 比较结果、由 Evals 门控评估的 Evals 报告，以及 chaos 报告，执行失败即关闭的就绪检查；缺失、格式错误或调用失败的证据都会阻止发布
• core.incident_summary — 汇总回归问题、chaos 崩溃/超时、失败用例和受阻的门控；没有失败时返回 no_signals
• core.export_report — 将会话证据导出为一个 MCP 本地的 mcp.unified-report.v1 封装（不是 AIOS 工件）
• lens.analyze_workflow — 针对工作流工件运行 AgenticLens 建议
• lens.report_summary — 生成 Markdown 工作流报告
• lens.compare_runs — 比较基线/候选版本的跟踪运行，检查回归问题
• lens.slo_summary — 将发布门控式 SLO 阈值应用于评估报告
• evals.validate_artifact — 离线验证原生 Evals 报告和门控决策
• lens.audit_report — 按用例查看评估详情，可选择附带 HTML
• lens.diagnose_run — 诊断跟踪运行：故障步骤和 Agent、时间线、异常、调查叙述（agenticlens>=0.7.0）
• lens.score_analysis — 分析评估报告中的确定性评分与基于模型的评分、评判成本和评估器分歧（agenticlens>=0.7.0）
• lens.suite_from_traces — 根据成功的跟踪运行起草回归套件用例，并屏蔽 PII（agenticlens>=0.8.0）
• lens.suite_check — 检查套件摘要、重复项、未屏蔽的 PII 和审批就绪状态（agenticlens>=0.8.0）
• lens.modelfit_recommend — 在硬性约束下，根据实验报告为各任务类别推荐模型（agenticlens>=0.9.0）
• lens.routing_decide — 根据 ModelFit 证据说明运行时模型选择和回退链，不调用模型（agenticlens>=0.10.0）
• chaos.list_faults — 列出支持的故障类型
• chaos.run_experiment — 在工作区沙箱中运行经过策略检查的目标脚本，应用选定故障并附加 AIOS 运行导出文件（会执行真实代码 — 参见 SECURITY.md）
• chaos.export_aios_run — 将 chaos 报告转换为经过验证的 AI Operations v0.4-draft 运行工件（在 0.3.3 中添加；不执行代码）
• sidecar.status — 单独报告已安装的 Sidecar 运行时 API 和实时任务连通性（在 0.3.0 中添加）
• sidecar.module_inventory — 检查已安装的 sidecar 模块、框架适配器和集成占位符（在 0.3.0 中添加）
• spec.validate_artifact — 根据其 spec_version 指定的架构集验证工作流/运行工件，并生成引用规则的符合性报告

连续的工具调用可以通过可选的 session_id 参数共享上下文，该参数由内存会话存储支持 — 参见 ROADMAP.md 阶段 2。

请参阅 ROADMAP.md，了解各阶段已发布和仍待完成的内容；完整的输入架构和各工具元数据请参阅 docs/tools.md（根据 tools/registry.py 生成；修改该文件后运行 make docs 以刷新）。

本地与远程安装模式

容器定义集中在 deploy/docker 下。

• **本地：**运行 pip install deep-agentic-core-mcp，然后通过标准输入输出运行 deep-agentic-core-mcp。本地会话行为保持不变。
• **自托管多用户 HTTP（0.3.0+）：**运行 pip install 'deep-agentic-core-mcp[http]' 安装，然后运行 deep-agentic-core-mcp-http。 启动前，为每位用户配置唯一的 bearer 密钥 并配置 Redis URL。缺少配置会导致无法启动。
• **AWS 托管注册：**打开 mcp.deepagentlabs.io 生成用户身份和 MCP 密钥；使用对应的 bearer 密钥，将 MCP 客户端连接到 https://mcp.deepagentlabs.io/mcp。 DynamoDB 存储用户记录和密钥哈希；密钥可立即使用，也可通过该页面替换或撤销。 不使用密码或电子邮件验证。请保存密钥：该密钥无法恢复。参见 AWS 指南。

HTTP 服务在 /mcp 使用无状态 MCP 传输，并使用 Redis 支持的 工作流会话，且会话仅限已认证用户使用。用户可以重复使用相同的 session_id，但无法访问彼此的产物。即使设置了本地 remote-chaos 覆盖选项，HTTP 调用也无法运行 chaos.run_experiment。

请参阅远程托管指南和 render.yaml，了解 Render 部署、配置、 容器构建、AWS 部署要求、客户端标头、限制和凭据轮换。 create_app() 还接受显式凭据、会话后端以及允许的主机/来源，供集成和测试使用。 MemorySessionStore 是明确指定的开发选项；CLI 要求使用 Redis。

仓库布局

mcp-server/
├── README.md
├── ROADMAP.md
├── pyproject.toml
├── server.json
├── .gitignore
├── docs/
│   ├── architecture.md
│   └── tools.md          # generated - see scripts/generate_tools_doc.py
├── examples/
│   ├── sample_workflow.json
│   ├── provenance_workflow.json
│   ├── phase3_walkthrough.py
│   └── chaos_target.py
├── scripts/
│   └── generate_tools_doc.py
├── src/
│   └── deep_agentic_core_mcp/
│       ├── __init__.py
│       ├── server.py
│       ├── transport_http.py
│       ├── config.py
│       ├── prompts/
│       │   ├── __init__.py
│       │   └── registry.py
│       ├── resources/
│       │   ├── __init__.py
│       │   └── catalog.py
│       ├── schemas/
│       │   ├── __init__.py
│       │   └── tooling.py
│       ├── services/
│       │   ├── __init__.py
│       │   ├── registry.py
│       │   └── session.py
│       ├── adapters/
│       │   ├── __init__.py
│       │   ├── agentic_chaos.py
│       │   ├── agenticlens.py
│       │   ├── agentic_sidecar.py
│       │   └── ai_operations_spec.py
│       └── tools/
│           ├── __init__.py
│           ├── registry.py
│           ├── chaos.py
│           ├── core.py
│           ├── lens.py
│           ├── sidecar.py
│           └── spec.py
└── tests/
    ├── test_chaos_aios_export.py
    ├── test_chaos_script_policy.py
    ├── test_degraded_boot.py
    ├── test_imports.py
    ├── test_lens_provenance.py
    ├── test_spec_conformance.py
    ├── test_registry.py
    ├── test_server.py
    └── test_session.py

面向 MCP 的结构

此仓库应包含构建实用 MCP 服务所需的所有标准层：

• tools/：用于存放可调用的 MCP 工具及其注册元数据
• resources/：用于存放可读取的资源，例如故障目录、模板和工作流示例
• prompts/：用于存放通过服务提供的可复用提示词模板
• schemas/：用于存放类型化请求和响应契约
• services/：用于存放共享编排逻辑，使工具模块保持精简， 包括内存会话存储（services/session.py）
• adapters/：用于存放与 agenticlens、agentic-chaos、 agentic-sidecar 和 ai-operations-spec 的集成边界——如果对应的兄弟仓库 不存在，则各适配器会将状态降级为 "available": false，而不会导致服务启动崩溃

打包与发布模式

同一个仓库同时支持本地 Python 包和托管 HTTP 服务。 无需安装可选 HTTP 依赖项，也可以使用 stdio 入口点。 从 0.3.0 起包含 HTTP 传输和注册支持；更早的 PyPI 0.2.0 版本提供本地 stdio。

工作流	触发条件	结果
.github/workflows/ci.yml	拉取请求	使用 Python 3.10–3.13 运行测试并构建分发包；不部署 AWS
.github/workflows/ci.yml	推送/合并到 main，或手动运行	运行测试和包检查；不部署 AWS
.github/workflows/release-pypi.yml	推送 v* 版本标签	运行检查、发布到 PyPI、创建 GitHub Release、发布 MCP Registry 元数据；不部署 AWS

推送到 main 不会发布到 PyPI，也不会部署 AWS。带版本标签的发布 通过 PyPI Trusted Publishing 发布包。从 0.4.1 起，AWS 部署需要运维人员手动执行。请参阅 CONTRIBUTING.md 了解发布流程，并参阅 AWS CI 指南 了解部署设置和限制。

对于基于 PyPI 的验证，上方的 mcp-name 标记必须与 server.json 中的 name 字段一致。

后续计划

Phase 2（会话管理、丰富的诊断信息、工具注释、提示词注册表、core.verify）已于 0.2.0 完成，Phase 3（3a AgenticLens、3b Agentic Chaos、3c AI Operations Specification、3d Sidecar 发现）已于 0.3.3 完成。仍未完成的事项如下（完整详情请参见 ROADMAP.md）：

• Sidecar 运行时控制：更丰富的控制界面需要经过身份验证、限定任务范围的运行时桥接
• Phase 5（发布与采用） — 发布已实现自动化；下一步是托管访问控制，已从 Phase 4 移至此处：按密钥配置工具级权限、在分发时撤销权限、经过身份验证的 Tower/Sidecar 停止与撤销、关联的拒绝证据，以及托管 Tower 凭据
• Control Tower 协调 — 本地连接器工具将随 Tower 0.7.0 在 0.3.6 中发布；托管的按用户凭据绑定仍在计划中
• Phase 6 — 运营智能功能

开发

Makefile 为常见任务提供了简写：

make install     # install dev dependencies
make check       # run all quality gates (lint + format + typecheck + test)
make test-cov    # tests with coverage report
make docs        # regenerate docs/tools.md from tools/registry.py
make docs-check  # fail if docs/tools.md is out of date
make help        # list all available targets

备注

此脚手架假设预期的 GitHub 命名空间为 io.github.deepagentlabs/deep-agentic-core-mcp。如果最终的发布账号或组织有所变更，请更新：

• 此 README 中的 mcp-name 标记
• server.json
• pyproject.toml 中的所有仓库 URL

运营安全路线图

有关职责和依赖关系，请参见计划中的安全验收标准。这些补充内容并不表示端到端遏制或完整性保护已实现。

Sidecar v0.7 兼容性

安装 Sidecar 后，sidecar.status 会检测其公开的决策、计划、运行时事件、审计和本地操作员 API。runtime_ready 表示决策 API 已安装；runtime_connected=false 和 mcp_runtime_controls=false 明确表明，这些 MCP 发现工具不会连接到正在运行的任务。sidecar.module_inventory 会列出适配器文件，包括占位文件；文件存在并不代表已认证支持相应框架。MCP 启动不需要 Sidecar 依赖。若软件包不可用，则会返回不可用响应。

如需控制正在运行的任务，请使用 Sidecar 经过身份验证的本地 OperatorServer/CLI 接口，详见其 v0.7.0 实时操作指南。 Sidecar v0.7.0 单独发布。此补丁改进了发现功能，但不会通过 MCP 启用远程停止/撤销。

Sidecar 0.8 互操作性

MCP 服务 0.3.5 仍负责连接、发现和传输。Sidecar 0.8 新增了客户端适配器，并提供了一个独立进程的 MCP 2.3.0 网关示例，带有服务端强制执行功能。这不会在此服务中启用远程操作员桥接，也不会通过公开工具提供共享/独占配置。

Sidecar 0.8 提供仅限上下文、仅限护栏或组合配置的共享/独占模式、显式主机上下文传递，以及强制护栏组合。独占规则不能弱化共享限制。跨框架隐私、撤销和委派权限仍属于 v0.9 验证范围；稳定的架构仍计划在 v1.0 发布。原生关联 Lens 回读需要 Lens 0.7.1。所有同级软件包均保持可选；除非运行时有此要求，否则不会提高依赖版本下限。请参见 Sidecar 集成约定。

Control Tower 0.6.0 连接器（MCP 0.3.6）

本地 stdio 通过实际经过身份验证的 Tower HTTP API 提供十二个 tower.* 工具：清单／状态／版本／安全态势／证据、事件、检测、调查、预览、执行和验证。配置 AGENTICOPS_TOWER_URL（受信任的 HTTP(S) 源）、AGENTICOPS_TOWER_READ_TOKEN，以及可选的独立 AGENTICOPS_TOWER_WRITE_TOKEN。无需导入 Tower 包。没有 Tower 时，其他所有工具仍可使用；Tower 工具会返回结构化的不可用状态。

tower.investigation 提示词会指导宿主模型引用记录 ID 和工件引用、保留不确定性和缺失证据、仅推荐受支持的暂存运行手册，并通过 Tower 的 HTTP／CLI 将审批留给人工处理。工具参数不接受审批凭据，也不会通过审批工具暴露这些凭据。执行必须经过 Tower 对确切预览的审批。模型提供方由客户端自行选择；本项目不捆绑任何模型提供方。

在为每位用户建立 Tower 凭据绑定之前，托管／远程 MCP 会拒绝 Tower 工具。托管租户不能借用本地令牌。系统会拒绝重定向，将响应限制为 1 MiB，并由隔离的 HTTP 工作线程强制执行十秒的总时限。超时可能导致操作结果未知；重试前请检查 Tower 事件。URL 和令牌仅从受信任的服务器环境中读取。Tower 可选连接器扩展必须使用 MCP >=0.3.6；其他生产者的最低版本要求保持不变。

如需设置说明、请求 JSON，以及 resolved／escalated 两种原生 Lens/Evals 演练，请参阅 Tower 连接器指南和事件指南。使用 tower.agents 并设置 status=unhealthy、使用指定最低版本的 tower.versions，或使用 source=agentic-sidecar 的 tower.evidence，即可检查高风险安全态势，而无需取代原生生产者的决策。

原生 Evals 合约验证 — MCP 0.3.8

现已在原生使用方路径中强制验证已发布的 Evals 报告和门控架构（MCP 0.3.8 对应 0.7.2；MCP 0.3.14 起对应 0.9.0）。验证会使用捆绑的上游合约离线运行；无效工件会返回字段级诊断信息。原生判定与 AIOS 合规性仍各自独立。请参阅行为说明、示例和迁移指南。

Agentic Evals 0.7.2 发布了原生报告（schema_version: "1.0"）和门控判定 JSON Schema，并提供离线访问器 report_schema() 和 gate_decision_schema()。Contract 1.x 以增量方式演进；读取方应兼容未知字段。MCP spec.validate_artifact 用于验证 AIOS 工件，而非原生 Evals 架构。专用 Evals 工具和 AIOS 评估证据导出仍属于未来工作。

请参阅合约、示例和兼容性政策。现有依赖版本范围仍然足够；若要直接使用新的访问器，则需要 agentic-evals>=0.7.2。为统一文档而进行的调整无需发布同级补丁版本。

AgenticLens 0.8.0 套件管理

AgenticLens 0.8.0 达成 v0.6 里程碑：agenticlens.suites 和 agenticlens suite 可从 CSV/JSON 导入、生产环境跟踪记录和用户反馈中构建回归套件。存储前默认会屏蔽 PII（使用 --no-mask 可选择不屏蔽），检测重复项和标签冲突，添加合成变体和稳定的拆分，记录审核，并将套件批准为不可变、经过哈希验证的版本，供 CI 验证、导出和评估。套件仍为纯粹的 agentic-evals TestSuite 文件。

MCP 0.3.9 新增两个只读、输入和输出均为制品的工具： lens.suite_from_traces（从成功运行中生成草稿案例，默认屏蔽 PII，并列出跳过的运行及原因）和 lens.suite_check（提供摘要、重复项、未屏蔽 PII 的位置，以及 Lens 将执行的批准检查）。 两者都不会存储任何内容；批准和不可变存储仍由本地 CLI/API 操作完成。托管镜像固定使用 agenticlens==0.8.0。

参见套件管理指南。

Evals 0.8.0 CLI 互操作性

Evals 0.8.0 CLI JSON 报告和门控决策保留 0.7.2 的线协议契约，并可通过 evals.validate_artifact 验证。随附的上游 0.7.2 架构和固定版本的契约测试依赖仍是兼容性基准。JUnit 和 Markdown 是展示格式，不是原生验证器的输入。本次版本未新增 MCP 执行工具或运行时依赖。

参见 CLI 用法和兼容性。

Evals 0.9.0 判定可靠性（MCP 0.3.14）

MCP 0.3.14 随附 Evals 0.9.0 原生报告和门控架构，因此 evals.validate_artifact 会强制验证新增的可选判定摘要、实时目标摘要和每个案例的 target_status 字段。验证仍为离线结构验证；MCP 不会重新计算门控，也不会将不可用的判定视为通过。托管镜像固定使用 agentic-evals==0.9.0。参见 兼容性说明。

Chaos 0.7.0 互操作性

Chaos 0.7.0 新增顺序故障级联、确定性的单调故障点搜索、合成响应投毒（包括针对提示词/工具响应的指令和绕过策略的载荷），以及基于明确价格的重试成本估算。原生子事件 ID 和故障类型保持不变；级联 ID/阶段以及投毒策略/载荷/种子作为附加事件详情提供。现有报告读取器和 AIOS 导出仍保持兼容。

参见 v0.7 指南和离线合成示例。 示例包含已观察到的合成调度和一个被绕过的负向对照。仅注入或恢复本身不能证明已实现遏制。本次未引入新的共享架构、自动适配器、托管执行能力或遏制保证。

MCP 0.3.10 将已发布镜像固定为使用 Chaos 0.7.0。现有注册表会发现 poisoned_response；受信任的本地脚本可使用级联/搜索 API。未新增 MCP 工具。托管 HTTP 仍会拒绝 chaos.run_experiment。

Control Tower 0.7.0 集群运维

Tower 0.7.0 通过 Python、HTTP 和 CLI 支持冻结的环境／能力目标选择、批量期望设置、单独审批、持久化的逐目标结果，以及有时限的停止／撤销 MCP 授权确认。不声称具备集群原子性，也不支持自动回滚／恢复。超时／已请求的命令需要主机协调处理。

本地 MCP 0.3.6 调查工具仍保持兼容。Tower 0.7 的批量端点仅支持 Python／HTTP／CLI：MCP 不提供新的集群写入或审批工具，托管版 Tower 的限制仍然有效。

现有可选依赖范围仍足够。无需更改同级运行时或原生证据架构；此次文档对齐无需发布补丁版本。请参阅运维指南。

请参阅本地 Tower 兼容性指南，了解运维工作流和软件包边界。

AgenticLens 0.9.0 ModelFit

AgenticLens 0.9.0 实现了其 v0.7 里程碑：agenticlens.modelfit 和 agenticlens modelfit 根据已记录的实验报告，按任务类别推荐模型；推荐会遵循严格的质量、成本、延迟、安全性、提供方和部署约束，遇到不符合约束的情况时默认拒绝，并提供置信度、解释、备选项、提供方多样化的回退方案、与实验依据相关联的节省、质量风险，以及任务级模型矩阵。

MCP 0.3.11 新增只读工具 lens.modelfit_recommend，可根据提供的报告进行推荐，并将托管镜像固定为 agenticlens==0.9.0。 运行实验仍是本地的 agenticlens experiment run 步骤；ModelFit 只提供推荐，不负责路由流量。

请参阅ModelFit 指南。

AgenticLens 0.10.0 路由（MCP 0.3.12）

lens.routing_decide 根据提供的 ModelFit report、request（request_id、category_id）和可选的路由 policy，说明路由决策。它会返回约束、置信度、按排名排列的目标、回退链，以及策略／报告哈希。 在所有模式下（包括 enforce）均为只读：不会调用模型、执行回调、执行人工审批或写入审计文件。executed 始终为 false。无法路由的决策会在原生结果中保持阻止／升级状态。 旧版 Lens 安装仅会使此工具不可用，并返回明确的错误。

{
  "report": {"...": "supply the complete ModelFit report"},
  "request": {"request_id": "opaque-123", "category_id": "orders"},
  "policy": {"minimum_confidence": "medium"}
}

托管镜像固定为 agenticlens==0.10.0，并保留 agentic-chaos==0.7.0。 工作区源代码的优先级高于同级虚拟环境中的过期副本。 请参阅Lens 路由指南，了解回调执行和审计边界。Sidecar 权限、Tower 审批、Evals 评分、Chaos 故障和 AIOS 共享架构仍由各自独立管理。

Chaos 0.8.0 互操作性

Chaos 0.8.0 新增：

• 多阶段混沌工作流：步骤、稳态健康检查、并行分支、可恢复的审批关卡，以及可复用模板
• 声明式 YAML/JSON/TOML 实验，包含绝不执行目标的验证和 cron 计划预览
• 在每个内置故障和 cascade() 上提供 Scope 爆炸半径控制（步骤、提供方和排除项）；自定义故障可通过调用 BaseFault.__init__、设置 scope 或重写 in_scope() 来获得此功能
• 拓扑模糊测试器，按扇出为故障放置加权

原生事件 ID 和故障类型保持不变。工作流溯源信息 （detail.workflow）和可选的 ChaosReport.workflow 摘要均为增补内容。工作流的各个步骤会合并到一份原生报告中，用于契约和 AIOS 导出。

请参阅 v0.8 指南 和离线示例。 工作流状态、健康检查和模糊测试结果是韧性证据。 它们不是评分、发布门槛或遏制证明。不会引入新的共享 架构、自动适配器或托管执行能力。

MCP 0.3.13 将已发布映像固定为 Chaos 0.8.0。chaos.export_aios_run 会在生产方扩展中携带合并报告的工作流摘要，现有注册表会发现故障。 工作流、实验和模糊测试属于 Python/CLI 编排，不是新的 MCP 工具。托管 HTTP 仍会 拒绝 chaos.run_experiment，因此托管服务不会执行任何实验目标。

Sidecar 0.9.0 互操作性

Sidecar 提供任务授权/委派和便于读取的摘要。请参阅兼容性和所有权边界。现有 原生决策/关联保持兼容；不宣称引入新的规范性架构。

AIOS v0.6 示例和扩展指南

请参阅 AIOS v0.6 兼容性，了解规范示例、 命名空间规则和原生契约边界。AIOS 工件仍为 0.4-draft；无需升级运行时依赖或发布软件包。

Control Tower 0.8.0 实时运维

请参阅运维人员兼容性和所有权，了解 周期性检测、持久化告警、确认操作和关联的事件控制台 视图。现有原生契约和可选依赖范围保持兼容； 此处无需运行时或补丁版本发布。